摘要
时间序列数据在各种场景中被广泛研究,如天气预报、股票市场、客户行为分析。为了全面了解动态环境,有必要理解来自多个数据源的特征。提出了一种新的可视化分析方法,用于检测和分析多源时间序列中的概念漂移。提出了一种基于预测模型的视觉检测方案,用于从多源时间序列中发现概念漂移。我们设计了一个漂移水平指数来描述动态,并设计了一个一致性判断模型来证明来自不同来源的概念漂移是否一致。我们的集成视觉界面ConceptExplorer有助于对多源时间序列数据中的概念和概念漂移进行视觉探索、提取、理解和比较。我们进行了三个案例研究和专家访谈,以验证我们方法的有效性。
Introduction
挑战:
- 第一种是对概念漂移建模,并在时间序列数据中识别它们。
- 第二个挑战是设计一个直观的可视化,以说明随着时间的推移不断演变的概念漂移和跨多个数据源的概念漂移之间的关系。
这项工作的主要贡献是:
- 一个视觉分析系统,帮助专家理解和分析概念随着时间的推移以及它们在多个数据源之间的关系。
- 利用预测模型的概念漂移的描述;它归纳了一组用于概念漂移检测和比较的模型。
- 在时间线可视化、矩阵可视化和预测模型视图中结合了一组新颖设计的协调可视化。
Related Work
- Detection of Co